基于时刻表的地铁动态配流模型分析-analysis of subway dynamic flow distribution model based on timetable.docx

摘要随着城市化进程的加快，国内主要城市地铁建设快速发展，各大城市地铁运营网络逐步形成，地铁客流网络化特征日趋明显。与过去的单条或少数几条地铁线路的客流特征相比，网络化运营地铁乘客的路径选择行为以及在此基础上形成的网络客流时空分布特征均发生较大变化。按照目前北京地铁票制和票价政策，由于乘客换乘不需刷卡付费，导致线路路径流量和线路换乘流量的不确定性，给城市地铁运营调度管理和客流组织带来了挑战。因此，对地铁网络中乘客的路径选择规律以及客流分配方法进行深入研究，对提高城市地铁运营精细化管理水平具有重要意义。本文的研究主要围绕城市地铁网络客流分配问题而进行。通过对城市地铁乘客出行特性的调查分析，得到影响乘客路径选择的主要因素以及相关规律，对乘客属性与路径选择行为之间的相关性进行了统计分析，基于调查数据确定了乘客分类模式，特别是提出了基于乘客属性的地铁配流模型及算法，并对算法进行了实证研究；同时，考虑了地铁需求的动态属性，给出了基于时刻表的地铁时空扩展网络的概念和构建方法，在此基础上，建立了基于时刻表的地铁客流动态分配模型及算法，并利用北京地铁网络运营客流数据对模型及算法的可行性和有效性进行了验证。具体而言，论文主要就以下方面进行了研究：（1）为了充分掌握乘客的路径选择行为，同时，为了给后续研究提供可靠的数据支持和相关参数估计，针对北京市地铁运营网络，进行了乘客路径选择行为调查，并对调查数据进行了统计分析。结果表明：不同属性的乘客对路径选择存在明显差异，不同属性乘客对时间和换乘等影响因素的关注程度呈现明显差异。（2）基于调查数据，采用卡方检验方法，对乘客属性和路径选择之间的相关性进行了分析，根据分析结果可知，在调查问卷所涉及到的乘客属性中，只有职业、出行目的和个人收入这三个属性和路径选择行为具有较强相关性。同时，对以上三个属性进行了合并分类，每个属性划分为两大类，并对不同类别属性与路径选择进行了相关性分析。最后，对这三个属性进行交叉分类，产生八个乘客类别，进而对样本数较少的类别进行了合并，最终，将全部乘客划分为五个类别。（3）提出了考虑乘客类别的城市地铁网络流量分配方法，根据调查数据，对模型中的参数进行了估计和验证，并对O-D需求进行了类别划分，最后，通过实际网络数据对模型和算法进行了实证分析。得出如下结论：基于乘客分类的地铁配流方法相对i于不考虑乘客分类的方法，其计算结果更接近实际；通过对模型中相关参数的灵敏度分析可知，表示乘客对网络熟悉度的参数?i对计算结果影响相对较小，而有效路径判定条件中的扩展系数H以及换乘惩罚参数??i和?i对计算结果影响较大；通过对所有五类乘客所占百分比的变化对配流结果影响的分析可知，由于第二类和第三类乘客的路径选择偏好与其他类别相比有较大差异，因此这两类乘客所占乘客比例的变化对配流结果的影响较大。这些结论证明了根据乘客属性对乘客进行分类，并对不同类别的乘客重新进行模型参数估计并进行客流分配方法的合理性和必要性。（4）总结了地铁网络的时变特征和O-D需求的时变特征，给出了基于物理站点和区间的地铁网络空间结构的定义和描述，结合列车运行时刻表信息，定义了基于时刻表的地铁时空扩展网络以及时空路径的概念，在此基础上，给出了基于时刻表信息构建地铁时空扩展网络的基本方法，并对该网络中的基本元素进行了定义和描述。（5）综合考虑影响乘客出行选择的主要因素，分析和研究地铁乘客路径选择行为的时效性，基于地铁时空扩展网络，考虑了乘车时间、换乘因素以及车内拥挤因素，构建了基于地铁时空扩展网络的路径广义费用模型，在此基础上，提出了基于时刻表的地铁网络客流动态分配模型，并采用MSA算法进行求解，同时，还给出了针对地铁时空扩展网络的改进最短路搜索算法。最后，通过一个简单算例对模型及算法进行了验证和分析。关键词：地铁网络；换乘；路径选择；客流分配；动态；时刻表AbstractWiththesustainedconstructionofurbansubwayinChina,theurbansubwaynetworkwillbeenlargedgraduallyinmetropolis.Comparedtosingleorseveralsubwaylines,passengers’behaviorsconsistingoflinechoice,routechoiceandtransferchoicechangedgreatly.InaccordancewiththeBeijingsubwayticketsandfarepolicy,thereisnodditionalchargefortransfer,thechallengetotheoperationandmanagementofsuchsystemishowtopredictthenonli